基于多路传感器无人机的控制方法、系统及可读存储介质技术方案

本发明专利技术公开的一种基于多路传感器无人机的控制方法、系统及可读存储介质，其中方法包括：基于预设传感器获得所述无人机的多路数据并分类存储；基于预设检查算法对各路所述传感器采集到的数据进行自检，提取危险因子并排序以得到验证数据集；将所述验证数据集输入到训练好的识别神经网络模型中训练得到模拟输出值；基于所述模拟输出值判断危险等级，并调用应急数据库自动匹配应急机制以发送给用户端。本发明专利技术通过在无人机机身上设置多种传感器，以采集多路数据，并对采集到的现场数据进行分析可以判断出现场情况的危险等级，并根据不同的等级匹配对应的应急机制给到用户端，以供其第一时间采取救援措施，以灵活应用到多类型抢险救援现场。救援现场。救援现场。

【技术实现步骤摘要】
基于多路传感器无人机的控制方法、系统及可读存储介质


[0001]本专利技术涉及无人机控制
，更具体的，涉及一种基于多路传感器无人机的控制方法、系统及可读存储介质。

技术介绍

[0002]国内外无人机相关技术飞速发展，无人机系统种类繁多、用途广特点鲜明，致使其在尺寸、质量、航程、航时、飞行高度、飞行速度，任务等多方面都有较大差异，由于无人机的多样性，出于不同的考量会有不同的分类方法：按飞行平台构型分类，无人机可分为固定翼无人机、旋翼无人机等；按用途分类，无人机可分为军用无人机和民用无人机；基于民用无人机，又主要应用在城市管理、农业、地质、气象、电力、抢险救灾等领域。
[0003]尤其是在电力、地质以及抢险救灾领域，可以代替人力到达危险地区，释放人为劳动力，并且降低对人的伤害，利用无人机对于目标区域内的侦察可通过各种传感器进行，例如在电力领域，可以使用局部放电检测传感器代替人为测量，局部放电包含三种放电形式：内部放电(在介质内部)、沿面放电(在介质表面)、电晕放电(在电极尖端)；此外，在地质领域，可以利用机器去寻找可见光，利用可见光检测传感器可以代替人类、进入有不明危险地带进行勘察，其中，可见光检测传感器具有暗电流小，低照度响应，灵敏度高，电流随光照度增强曾线性变化，可以很好地适应光敏情形；最后，抢险救灾领域，特别是洪灾或者地震灾害，救援人员无法到达，可以通过无人机机载的热红外传感器检测人体位置，以第一时间进行救援活动，保障人民群众生命安全。

技术实现思路

[0004]鉴于上述问题，本专利技术的目的是提供一种基于多路传感器无人机的控制方法、系统及可读存储介质，能够利用多路传感器获取无人机作业领域的目标信息，并基于采集到的信息对危险等级进行判断，可以降低危险事件发生的同时还可以采取有效救援手段，降低事故伤亡率。
[0005]本专利技术第一方面提供了一种基于多路传感器无人机的控制方法，包括以下步骤：
[0006]基于预设传感器获得所述无人机的多路数据并分类存储；
[0007]基于预设检查算法对各路所述传感器采集到的数据进行自检，提取危险因子并排序以得到验证数据集；
[0008]将所述验证数据集输入到训练好的识别神经网络模型中训练得到模拟输出值；
[0009]基于所述模拟输出值判断危险等级，并调用应急数据库自动匹配应急机制以发送给用户端。
[0010]本方案中，所述基于预设传感器获得所述无人机的多路数据并分类存储，具体为：
[0011]获取所述传感器采集到的各路数据，其中，所述传感器包括但不仅限于热红外传感器、局部放电检测传感器以及可见光检测传感器；
[0012]提取所述传感器的数量级，基于所述数量级对数据服务器进行自动化分区；
[0013]将所述多路数据匹配所述分区进行分类存储。
[0014]所述基于预设检查算法对各路所述传感器采集到的数据进行自检，提取危险因子并排序以得到验证数据集，具体为：
[0015]调用各所述分区的所述传感器采集数据以基于所述检查算法进行自检；
[0016]识别各所述分区自检结果的所述危险因子，进行排序，其中，按照各所述分区对应的所述危险因子的占比值进行降序排列；
[0017]获取降序排列的所述危险因子的数据集合，作为所述验证数据集。
[0018]本方案中，所述识别神经网络模型训练方法为：
[0019]获取历史检测数据的危险因子类型与确定的危险等级；
[0020]将所述历史检测数据的危险因子类型与确定的危险等级进行预处理，得到训练样本集；
[0021]将所述训练样本集输入至初始化的所述识别神经网络模型中训练；
[0022]获取输出结果的准确率；
[0023]若所述准确率大于预设的准确率阈值，则停止训练，得到所述识别神经网络模型。
[0024]本方案中，所述基于所述模拟输出值判断危险等级，并调用应急数据库自动匹配应急机制以发送给用户端，具体为：
[0025]获取所述模拟输出值，并进行阈值判断，得到对应的所述危险等级，其中，I级危险的阈值范围为(0，50％],II级危险的阈值范围为(50％，80％]，III级危险的阈值范围为(80％，100％]；
[0026]在获取到所述危险等级后，调用所述应急数据库匹配对应所述危险等级的所述应急机制以发送给所述用户端，其中，不同的所述危险等级对应不同的所述应急机制。
[0027]本方案中，还包括基于所述传感器采集到的数据得到瞬时最大值和期望进行判断所述危险等级，具体为：
[0028]基于所述传感器采集到的数据得到所述各路数据的期望值；
[0029]提取各个所述传感器采集到的数据中的所述瞬时最大值；
[0030]将所述瞬时最大值和所述期望带入到预设判别式中得到判别结果，进而根据所述判别结果得到所述危险等级。
[0031]本专利技术第二方面还提供一种基于多路传感器无人机的控制系统，包括存储器和处理器，所述存储器中包括基于多路传感器无人机的控制方法程序，所述基于多路传感器无人机的控制方法程序被所述处理器执行时实现如下步骤：
[0032]基于预设传感器获得所述无人机的多路数据并分类存储；
[0033]基于预设检查算法对各路所述传感器采集到的数据进行自检，提取危险因子并排序以得到验证数据集；
[0034]将所述验证数据集输入到训练好的识别神经网络模型中训练得到模拟输出值；
[0035]基于所述模拟输出值判断危险等级，并调用应急数据库自动匹配应急机制以发送给用户端。
[0036]本方案中，所述基于预设传感器获得所述无人机的多路数据并分类存储，具体为：
[0037]获取所述传感器采集到的各路数据，其中，所述传感器包括但不仅限于热红外传感器、局部放电检测传感器以及可见光检测传感器；
[0038]提取所述传感器的数量级，基于所述数量级对数据服务器进行自动化分区；
[0039]将所述多路数据匹配所述分区进行分类存储。
[0040]所述基于预设检查算法对各路所述传感器采集到的数据进行自检，提取危险因子并排序以得到验证数据集，具体为：
[0041]调用各所述分区的所述传感器采集数据以基于所述检查算法进行自检；
[0042]识别各所述分区自检结果的所述危险因子，进行排序，其中，按照各所述分区对应的所述危险因子的占比值进行降序排列；
[0043]获取降序排列的所述危险因子的数据集合，作为所述验证数据集。
[0044]本方案中，所述识别神经网络模型训练方法为：
[0045]获取历史检测数据的危险因子类型与确定的危险等级；
[0046]将所述历史检测数据的危险因子类型与确定的危险等级进行预处理，得到训练样本集；
[0047]将所述训练样本集输入至初始化的所述识别神经网络模型中训练；
[0048]获取输出结果的准确率；
[0049]若所述准确率大于预设的准确率阈值，则本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于多路传感器无人机的控制方法，其特征在于，包括以下步骤：基于预设传感器获得所述无人机的多路数据并分类存储；基于预设检查算法对各路所述传感器采集到的数据进行自检，提取危险因子并排序以得到验证数据集；将所述验证数据集输入到训练好的识别神经网络模型中训练得到模拟输出值；基于所述模拟输出值判断危险等级，并调用应急数据库自动匹配应急机制以发送给用户端。2.根据权利要求1所述的基于多路传感器无人机的控制方法，其特征在于，所述基于预设传感器获得所述无人机的多路数据并分类存储，具体为：获取所述传感器采集到的各路数据，其中，所述传感器包括但不仅限于热红外传感器、局部放电检测传感器以及可见光检测传感器；提取所述传感器的数量级，基于所述数量级对数据服务器进行自动化分区；将所述多路数据匹配所述分区进行分类存储。3.根据权利要求2所述的基于多路传感器无人机的控制方法，其特征在于，所述基于预设检查算法对各路所述传感器采集到的数据进行自检，提取危险因子并排序以得到验证数据集，具体为：调用各所述分区的所述传感器采集数据以基于所述检查算法进行自检；识别各所述分区自检结果的所述危险因子，进行排序，其中，按照各所述分区对应的所述危险因子的占比值进行降序排列；获取降序排列的所述危险因子的数据集合，作为所述验证数据集。4.根据权利要求1所述的基于多路传感器无人机的控制方法，其特征在于，所述识别神经网络模型训练方法为：获取历史检测数据的危险因子类型与确定的危险等级；将所述历史检测数据的危险因子类型与确定的危险等级进行预处理，得到训练样本集；将所述训练样本集输入至初始化的所述识别神经网络模型中训练；获取输出结果的准确率；若所述准确率大于预设的准确率阈值，则停止训练，得到所述识别神经网络模型。5.根据权利要求1所述的基于多路传感器无人机的控制方法，其特征在于，所述基于所述模拟输出值判断危险等级，并调用应急数据库自动匹配应急机制以发送给用户端，具体为：获取所述模拟输出值，并进行阈值判断，得到对应的所述危险等级，其中，I级危险的阈值范围为(0，50％],II级危险的阈值范围为(50％，80％]，III级危险的阈值范围为(80％，100％]；在获取到所述危险等级后，调用所述应急数据库匹配对应所述危险等级的所述应急机制以...

【专利技术属性】
技术研发人员：张茵翠，黄达文，谭家伟，姜南，卢福宁，陈冠宇，莫建挥，莫定佳，江沛琼，王伟光，林斌，宾家伟，
申请(专利权)人：广东电网有限责任公司肇庆供电局，
类型：发明
国别省市：